今、「AIエンジニアになりたい!」って方が増えています。
そんな憧れの職種(?)ですが、現在私は現役AIエンジニアとしてAI関連のシステム開発(具体的にはレコメンド技術を使ったWebサービス開発)に携わっております。(まあ、こんな感じで仕事しています。(^-^))
そこで今回は、「いまAIエンジニアが注目されている理由」と「AIが学べるプログラミングスクールの一角であるデータミックス(DataMix)」について現役AIエンジニアの立場からまとめてみたいと思います。
データミックスの担当者の方にも色々ヒヤリングしましたのでスクール選びの参考にしてもらえればと思います。
いまAIエンジニアが注目されている理由
AIエンジニアとは?
AIエンジニアとは、最先端技術であるAI(人工知能)を開発したり、蓄積されたデータの分析・解析を行ったりする、AIに関わるエンジニアのことです。
このAIエンジニアに必要なスキルが、①プログラミングスキル、②機械学習、ディープラーニングの理論と実装力、③数学・統計学の知識、となります。
そして、このAI分野で使われるプログラミング言語としては、(文法がシンプルでAI関連ライブラリーが豊富な)Python(パイソン)が主流になっており、私の周りでもPython使いがかなりの割合を占めています。
急成長するAI市場
そのAIエンジニアが活用できるAI市場はどのような成長が見込まれているのでしょうか。
大手コンサルティングファームの1つであるEY総合研究所が2015年に出したレポートによると、世界のAI関連市場は2015年の3.7兆円から2030年の87兆円に急成長すると予想されています。
ここ最近、「AI」の2文字をニュースや新聞で見ない日はないというほど、AIをビジネスに適用しようとする気運は益々高まっています。そしてAIは、さまざまな業界(自動車、広告、金融、物流、医療など)や職種(営業、マーケティング、人事、研究開発など)に適用できるため「第4次産業革命の中核技術」とも言われています。
AIエンジニアは大幅に不足している!
しかし、そのAI市場を牽引することが期待されているAIエンジニアは大幅に不足しています。
経産省が出した「AI人材需給に関する報告書」によると国内のAI人材不足が2025年に8万8460人、30年には12万3718人に上ると試算されています。
上のグラフからも読み取れますが、AI人材不足は年々増加していくと予測されています。国としてもなんとかAI人材を増やそうと、小学校では2020年度からプログラミング教育を開始、高校では2022年度から「AI関連科目」を必修化し国を挙げて後押ししようとしています。
AIエンジニアの待遇は?
そんなAIエンジニアの待遇はというと、現在は圧倒的に需要が上回っており引く手あまたの状態となっております。例えば、新卒採用の場合、一般の新卒社員の年収の2~3倍で採用する企業が出てきています。
企業名 | 想定年収 |
NEC | 1000万円以上 |
ソニー | 730万円 |
ディー・エヌ・エー | 600万~1000万円 |
サーバーエージェント | 720万円~ |
また、中途採用の場合、特に専門性と経験値の高いプロフェッショナル人材に対しては年収3000万円前後(それぞれの会社の平均年収の4倍)という破格の待遇を用意している企業もあります。
企業名 | 想定年収 | 平均年収 |
富士通 | 3000万円~4000万円 | 約798万円 |
NTTドコモ | 3000万円 | 約872万円 |
NTTデータ | 3000万円 | 約828万円 |
データミックス(DataMix)とは
データミックス(DataMix)は、高度なデータ分析技術を用いてビジネス課題を解決する専門職である「データサイエンティスト」を育てるスクールです。
次の図は(私が書いた)AIの処理フローですが、データミックスでは前段のAIで学習するところ以上に後段のAIからアウトプットされたデータを分析し新たな価値に繋げるほうに重点を置いています。
その領域のプロであるデータサイエンティストになるために、データミックスの講座では、「どのようなビジネスシーンで」「どのように思考して」技術を適用すれば良いのかをビジネスケースを通じて学習していく実践的なカリキュラムとなっています。
データミックスのスクールの特長をまとめますと次のようになります。
データミックスの特徴
- ビジネスパーソン向けの実践的なカリキュラム
- データ分析に重点を置いている
- 経験豊富な講師陣
- 少人数制のクラス
- キャリアサポート付き
「データサイエンスのスキルを身につけキャリアチェンジしたい」や「ビッグデータを活用したビジネスを展開したい」といった方向けのスクールとなります。
データミックスでAIが学べるコース
データサイエンティスト育成コース(準備ステップ)
この準備ステップは本講座を受講するにあたり必要となる基礎力を身につけることができる講座となります(毎月開講)。受講は任意ですが、プログラミングや機械学習、統計学が始めての方は受講しておくべきコースとなりますね。(準備ステップの開講月:毎月)
step
1プログラミング基礎(3日)
Pythonプログラミングの基礎を学びます。
【学習内容】Python入門(基礎構文・Pandasライブラリ)
【授業頻度】週1回・3時間 予習・復習ほか宿題あり
step
2Excelで理解する機械学習入門(3日)
データサイエンスの基礎知識である機械学習の基礎について、数式を使わずにExcelを用いて学習、理解する講座です。
【学習内容】機械学習入門(単回帰分析をExcelで実装できるなど)
【授業頻度】週1回・3時間 予習・復習ほか宿題あり
step
3ビジネス統計学入門(2日)
統計学の初歩からはじめ、仮説検定・重回帰分析などを使った課題解決力の習得を目指します。
【学習内容】統計学入門(確率分布、仮説検定)、重回帰分析の理論
【授業頻度】週1回・3時間 予習・復習ほか宿題あり
データサイエンティスト育成コース(準備ステップ)の費用は次のようになっています。
プログラミング基礎 | 66,000円(税込) |
Excelで理解する機械学習入門 | 66,000円(税込) |
ビジネス統計学入門 | 44,000円(税込) |
データサイエンティスト育成コース(本講座)
この本講座は約半年間をかけて、次の4つのステップを踏んで体系的にAI・データサイエンスを学んでいきます。データサイエンスのスキルとこれまでの仕事で得たスキルを組み合わせることでさらなるキャリアアップを目指していくことになります。(本講座の開講月:2月、4月、6月、8月、10月、12月)
step
1ブートキャンプステップ(6週間)
機械学習の基礎知識を学習します。Pythonのプログラミングに慣れることがゴールとなります。
【学習内容】Pythonによる機械学習、ビジネスで使える機械学習
【授業頻度】週1回・3時間 予習・復習ほか宿題あり
step
2ベーシックステップ(6週間)
統計学に関する知識の獲得とRのプログラミングに慣れ、非構造化データである画像とテキストデータの分析方法(DeepLearning / 自然言語処理)に関する知識を獲得することがゴールです。
【学習内容】Rによる統計、DeepLearning・自然言語処理
【授業頻度】週1回・3時間 予習・復習ほか宿題あり
step
3アドバンスステップ(6週間)
これまでのステップで学習した知識をどのように適用して行くかを、ビジネスケースに基づいたプロジェクト型演習を通じて体得します。
【学習内容】ビジネストランスレーター向け実践演習、データサイエンティスト向け実践演習
【授業頻度】週1回・3時間 予習・復習ほか宿題あり
step
4インテグレーションステップ(5週間)
ここまで身につけたコーディングスキルとデータ分析の知識を使い、ビジネス課題をケースとした最終プロジェクトに取り組んでいただきます。企業の生の課題を解決することを通じて、データを使った課題解決能力を養います。
【学習内容】メンタリングセッション(自身で課題を設定し、1カ月間のプロジェクトを企画・実行)
プロジェクト例:Deep Learningを用いた自動キャプション生成、AI霧予測チャレンジ、お勧めワインレコメンデーションアプリ、Excelによる人事データ分析
【授業頻度】週1回・3時間 集合型メンタリングセッション
本講座のもう少し細かいカリキュラムについては、こちらで確認できますので参考にしてください。
データサイエンティスト育成コース(本講座)の費用は次のようになっています。
入学金 | 27,500円(税込)(※1) |
一括申し込み | 742,500円(税込) |
ブートキャンプステップ | 165,000円(税込) |
ベーシック・アドバンス・ インテグレーションステップ | 【各】192,500円(税込) |
※1 ブートキャンプステップからインテグレーションステップまで一括で申し込んだ方は入会金が無料。
ちなみに、データサイエンティスト育成コースは、経済産業省の「第四次産業革命スキル習得講座」および厚生労働省指定の「専門実践教育訓練給付金」の対象講座となっていますので、本講座の全ステップを受講した方で一定の条件を満たす場合、入学金・受講料が最大70%返金されるとのことです。
データミックスのAIコースのゴールは?
データサイエンティスト育成コースの卒業発表会は、自分で決めた研究課題を講座で学んだスキルを使って研究し、その成果を発表する場になります。
※下記が2020年2月期の受講生の卒業発表会の様子になります。
データサイエンティスト育成コース本講座~2020年2月卒業発表会~
ちなみに、これまでの発表テーマとしては次のようなものがありました。(現場に持ち帰ってそのまま使えそうなテーマばかりですね。)
分野 | プロジェクト |
機械学習による ビジネスプロセス改善 | ・通販におけるAIの活用「注文獲得効率の改善」 ・製造業の調達業務における価格推定モデルの構築 ・Amazonランキングを解明する ・自然言語処理の活用「トレンド型商品訴求の自動化」 |
HR-Tech | ・退職理由のクチコミ情報を用いた自然言語処理による解釈 ・Excelによる人事データの分析 |
ヘルスケア | ・治験同意者の予測モデル ・糖尿病患者の通院ログを用いた再入院リスクの予測モデル |
Ad-Tech | ・クリエイティブワークフローと実績の相関について ・コンテキスト情報を使った記事配信サービスのレコメンド検証 |
Fin-Tech | ・自然言語処理を用いた銘柄選択 ・Deep Learningの金融時系列データ予測への活用 |
Weather-Tech | ・AI霧予測チャレンジ |
アプリ開発 | ・杉並区掘り出し物件サーチ ・A.I. Sommelier(お薦めワインレコメンデーション機能) |
画像分析 | ・Deep Learningを用いた自動キャプション生成 |
上の表にある「Fin-Tech」分野の「自然言語処理を用いた銘柄選択」の発表内容については次のサイトにて詳しく紹介されています。
【参考】データサイエンティスト育成コース本講座~2020年2月卒業発表~「自然言語処理を用いた銘柄選択」
証券会社勤務の受講生のテーマとなりますが、年に3回公表される「四半期報告書」と年に1回公表される「有価証券報告書」のテキスト情報部分を数値化、各銘柄の決算内容を可視化することで、銘柄の選定をこれまでよりも短時間で効率的に行い、提案銘柄数を増やすという目標に取り組まれた、とのことです。
データミックスのメリット・デメリット
メリット
①ビジネスパーソン向けの実践的なカリキュラム
データミックスでは、「どのようなビジネスシーンで」「どのように思考して」技術を適用すれば良いのかをビジネスケースを通じて学習していく実践的なカリキュラムとなっています。
そのため、学んだことをすぐにビジネスに展開できるケースも多々あります。
また、ビジネスパーソンが働きながら学べるように、平日夜間、土日での学習スタイルとなっているのも嬉しいところです。
データミックス社のデータサイエンティスト育成プログラムを修了した社員の成果発表を聴いた。
データ分析手法とか分からないけどデータサイエンティストはビジネス課題に対してどのようにアプローチしているのかを感じることができたり自然言語処理のアルゴリズムなど興味深い話を聴くことができた。— 高桑康造 (@kozo_takakuwa) May 8, 2018
②理論を体系的にしっかり学べる
データミックスでは、データサイエンティストに必要な、統計学、機械学習、人工知能、データベース、プログラミングといった広範囲な分野を分かりやすい講義・カリキュラムにより体系的に学ぶことができます。
また、他のプログラミングスクールと比べ、プログラミングよりも理論に重きを置いているため、統計学も(どこのスクールよりも)しっかり教えてくれます。データサイエンティストの武器となる学問ですので安心ですね。
データミックスの6ヶ月長期コースの体験談。体系的に学べるのがスクールのいいところだろうな。一方、時間の制約がある人、独学思考の人には向かないのかな。
文系記者が「データサイエンティスト育成スクール」に通った結果 https://t.co/3FYWnN5aM3
— ぷんたむ (@punhundon) August 20, 2019
そうそう
過去の僕含めて統計からやらない奴が悪い
あと、世間のデータサイエンス スクールで統計を重視してるとこはデータミックス以外にあるんだろうか?
— 黒澤(わろえもん) (@kuromailserver) October 8, 2019
③経験豊富な講師陣
データミックの講師陣は、(次の表のような)大手企業からベンチャーまで幅広くデータ分析の支援を行っている実務経験豊富なデータサイエンティストの方々となっています。
領域 | クライアント | 内容 |
アルゴリズム開発 | 大手求人広告企業 | 営業活動を効率化のためのアルゴリズム開発支援 |
大手新聞社 | レコメンデーションエンジン開発支援 | |
eラーニングベンチャー | レコメンデーションエンジンPoC支援 | |
大手製薬企業 | 機械学習を用いた退会予測アルゴリズム開発支援 | |
HR-TECH | 大手eラーニング会社 | Eラーニング視聴動向を用いた人材マッチング |
社会福祉法人 | 職員モチベーション分析 | |
大手広告代理店 | モチベーション分析 | |
大手技術者派遣企業 | 適正検査による早期離職者の傾向分析 | |
Logi-Tech | 物流ベンチャー企業 | 物流倉庫内の物品配置最適化アルゴリズム開発支援 |
配送ベンチャー企業 | 配送ルート最適化アルゴリズムの開発 |
#続お年玉
後学生でいる時間があと3年しか残さていなくてかなり焦っています。そこでデータミックスというデータサイエンティスト養成スクールに入校したいと考えています。なぜデータミックスかというと有名講師や米の有名データサイエンティスト達と提携しており高水準の教育を行っているからです。— たかみやかずと (@ojisan_Doit) January 19, 2020
デメリット
①受講料金が高い
データミックスのデータサイエンティスト育成コースは、半年間の期間で約75万円の授業料がかかるため決して安い金額ではありません。
他のスクールと比べて受講料が高くなっている理由は、「①実務経験豊富なデータサイエンティストがしっかりサポート」、「②データサイエンティストに必要な、統計学、機械学習、人工知能、データベース、プログラミングといった広範囲な分野を網羅的にしっかりカバー(長時間の学習時間)」、といったデータミックスの特長の部分からくるものだと思います。
②入学試験がある
これはデメリットではないかもしれませんが、データミックスのデータサイエンティスト育成コースを受講するためには入学試験(数学+Python)に合格する必要があります。
Pythonは「配列、辞書の書き方」「for文、if文、関数の書き方」、数学は「確率、ベクトル、行列の計算」が出題されますのでしっかり準備して望めば大丈夫だと思います。
※ちなみに、不合格でも次の期(2カ月後)にまた挑戦できますので。
以上、データミックスのメリット・デメリットでした。
迷ったら無料説明会への参加がおすすめ
データミックスの無料説明会では次のような話を聞くことができます。
無料説明会の内容
- データサイエンスを取り巻く環境
- データサイエンティストに必要な知識・スキル
- スクールのカリキュラム
- 受講開始までの流れ
無料説明会の申し込みはとても簡単(所要時間:1分)。
まずは下記アイコンからデータミックスのサイトに飛んでください。
次に、下記画面の赤枠(説明会)をクリックし、
「データサイエンティスト育成コース 無料説明会」を選択します。(その下の体験会ではさらに講義の体験もできますのでお好きなほうを選択してください。)
そして、希望する日時・時間帯を選択し、
「氏名」「メールアドレス」「パスワード」を入力して「申込む」ボタンを押すだけでOKです。
当日は担当の方を気になることを色々質問して疑問を解消しましょう!
無料説明会に参加したからと言って、しつこい勧誘はありませんのでご心配なく。(^_^)
まとめ
いかがでしたでしょうか?
今回は「いまAIエンジニアが注目されている理由」と「AIが学べるプログラミングスクールの一角であるデータミックス」について、他の紹介サイトよりも詳しく説明させていただきました。(つもりです)
このサイトを読んでくださった方には、学生の方も社会人の方もいらっしゃると思います。
どちらの方でもAIを学ぶのは全然遅くないと思います。(まだまだ発展途上の技術・学問ですので。)
それぞれAIを学ぶ目標(AIを学んで転職したい、起業したい、業務の幅を広げたい、、、など)は違うと思いますが、今回紹介させていただきました「データミックス」はあなたの夢を叶えるために十分オススメできるスクールだと考えています。
最後までご覧いただき、ありがとうございました。